论文部分内容阅读
随着网络对数据传输性能要求地不断提高,针对非完全合作节点的研究也越来越深入,基于信任模型来实现对非完全合作节点的识别也受到了广泛关注,但对非完全合作节点分类识别以及共谋非完全合作节点的识别的研究却十分有限。而移动对等网一方面由于其主观理性自私导致节点产生各种各样的不合作行为从而避免自身资源的消耗;另一方面,客观资源受限使得节点很多功能必须依靠节点间的合作才能完成。本文针对移动对等网络中单独非完全合作节点的分类识别和共谋非完全合作节点的识别进行研究,致力于最大限度的挖掘非完全合作节点的价值,从而提高移动对等网络数据传输的效率。首先引入卦限的概念,评估节点(当前节点)从被评估节点(邻节点)的转发行为、内部状态、推荐信任三个维度对被评估节点进行分析,实现了对被评估节点分类的全覆盖,最终将被评估节点分为了协作节点、懒惰节点、伪善节点和恶意节点四类,并对其加以定义。通过在混杂监听模式下监听被评估节点转发数据包的数量与接收数据包的数量的方式计算被评估节点的转发率来量化被评估节点的转发行为;根据被评估节点作为源节点主动发送数据包的数量与其转发数据包的数量的比值来推测被评估节点的内部状态;定义可信度的概念来表示评估节点对被评估节点提供的推荐信息真实性的度量,并由评估节点和被评估节点分别对其共同邻节点的转发率和推荐信任的差异性来量化。通过量化被评估节点三个维度的值识别出被评估节点的类别,进而建立了基于非完全合作节点识别的信任模型,使用推荐信任和定期更新信任值的方法降低了节点移动性对信任模型的影响。然后在识别单独非完全合作节点的基础上,通过对被评估节点分类讨论的方法,提出针对恶意节点和伪善节点使用被评估节点向量余弦相似度、针对懒惰节点和协作节点采用趋势向量对比的方法设计了针对共谋非完全合作节点的识别算法,帮助评估节点识别出其通信范围内的节点参与网络共谋的情况。最后,根据对非完全合作节点识别的研究设计了相应的基于非完全合作节点识别的路由算法。本文的相关研究均在NS2仿真平台上实现,采用召回率、误检率、精度、正确率、误差率、拒识率六个性能指标评估单独非完全合作节点识别算法和共谋非完全合作节点识别算法,并与Watchdog算法和TQR算法进行了对比。采用投递率和平均端到端延迟来评估基于非完全合作节点识别的路由算法的性能,并与AODV、Watchdog算法和TQR算法进行了对比。为了全面评估算法性能对网络的影响,本文中所有性能指标均采用网络中所有节点评估的平均值来衡量。仿真结果表明,单独非完全合作节点识别算法能够准确识别被评估节点的所属类型;共谋非完全合作节点的识别算法能够使节点在移动网络环境中较好的识别出其通信范围内参与共谋团体的成员;基于非完全合作节点识别的路由算法能够充分利用非完全合作节点的价值,有效规避非完全合作节点提供的虚假推荐信息,并能激励节点协作并参与数据转发,在数据投递率方面具有良好的性能。